CN110553821A - 一种汽轮发电机组故障可视化诊断方法及系统 - Google Patents
一种汽轮发电机组故障可视化诊断方法及系统 Download PDFInfo
- Publication number
- CN110553821A CN110553821A CN201910608014.4A CN201910608014A CN110553821A CN 110553821 A CN110553821 A CN 110553821A CN 201910608014 A CN201910608014 A CN 201910608014A CN 110553821 A CN110553821 A CN 110553821A
- Authority
- CN
- China
- Prior art keywords
- steam turbine
- turbine generator
- fault
- generator unit
- vibration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Turbines (AREA)
Abstract
本发明公开一种汽轮发电机组故障诊断方法及系统。方法包括:获取汽轮发电机组的运行参数和振动数据;根据所述运行参数和所述振动数据,得到汽轮发电机组全工况的基准振动矢量;获取汽轮发电机组全工况的实时振动矢量;将所述实时振动矢量与基准振动矢量进行比较,得到振动矢量差值;根据所述振动矢量差值对所述汽轮发电机组进行故障判断。采用本发明的方法或系统能够及时的判断故障发生,减少机组发生严重事故的风险。
Description
技术领域
本发明涉及汽轮发电机组故障诊断领域,特别是涉及一种汽轮发电机组故障可视化诊断方法及系统。
背景技术
汽轮发电机组振动监测故障诊断系统(TDM)主要有北京英华达公司EN8000系统,北京华科同安公司TN8000系统,阿尔斯通创为实公司S8000系统,三大系统占国内TDM市场份额90%以上,此外有汽轮发电机组振动监测保护系统(TSI)生产厂家松源艾普公司(epro)MMS6000系统,通用公司(GE)3500系统等。此类产品普遍存在以下问题:
数据采集方式不可靠,不能准确分析故障原因;
数据存储不科学,易造成误报警;
振动信号分析不全面,不能有效指导运行;
智能故障诊断不准确,不能准确指导检修。
由于振动信号分析涉及的领域众多,具有非常强的专业性,现场人员难以掌握,使得传统的TDM系统并没有有效的为电厂汽轮发电机组运行带来切实可靠的帮助,反而是因为经常性的误报警和漏报警给现场带来了很大的困扰,所以在很大一部分电厂基本成为摆设。
国内TDM系统智能故障诊断经历了40余年研究和现场使用,事实证明,无论是基于传统统计学的模糊诊断和神经网络等方法,还是根据故障因果关系的规则诊断,诊断结果的可信度和实际价值均满足不了企业需求。
发明内容
本发明的目的是提供一种汽轮发电机组故障可视化诊断方法及系统,能够及时的判断故障发生,减少机组发生严重事故的风险。
为实现上述目的,本发明提供了如下方案:
一种汽轮发电机组故障诊断方法,包括:
获取汽轮发电机组的运行参数和振动数据;
根据所述运行参数和所述振动数据,得到汽轮发电机组全工况的基准振动矢量;
获取汽轮发电机组全工况的实时振动矢量;
将所述实时振动矢量与基准振动矢量进行比较,得到振动矢量差值;
根据所述振动矢量差值对所述汽轮发电机组进行故障判断。
可选的,所述获取汽轮发电机组的运行参数和振动数据,具体包括:
从SIS系统实时数据库中获取汽轮发电机组的运行参数;
从BCT101系统数据库中获取汽轮发电机组的振动数据。
可选的,所述根据所述振动矢量差值对所述汽轮发电机组进行故障判断,具体包括:
获取故障发生限定值;
判断所述振动矢量差值是否大于所述故障发生限定值;
若是,则输出故障,所述故障的严重程度根据大于所述故障发生限定值的幅度进行分级;
若否,则获取汽轮发电机组的所述运行参数和所述振动数据。
一种汽轮发电机组故障诊断系统,包括:
获取模块,用于获取汽轮发电机组的运行参数和振动数据;
基准振动矢量确定模块,用于根据所述运行参数和所述振动数据,得到汽轮发电机组全工况的基准振动矢量;
实时振动矢量获取模块,用于获取汽轮发电机组全工况的实时振动矢量;
振动矢量差值确定模块,用于将所述实时振动矢量与基准振动矢量进行比较,得到振动矢量差值;
故障判断模块,用于根据所述振动矢量差值对所述汽轮发电机组进行故障判断。
可选的,所述获取模块,具体包括:
运行参数获取单元,用于从SIS系统实时数据库中获取汽轮发电机组的运行参数;
振动数据获取单元,用于从BCT101系统数据库中获取汽轮发电机组的振动数据。
可选的,所述故障判断模块,具体包括:
故障发生限定值获取单元,用于获取故障发生限定值;
判断单元,用于判断所述振动矢量差值是否大于所述故障发生限定值;
故障输出单元,用于若所述振动矢量差值大于所述故障发生限定值,输出故障,所述故障的严重程度根据大于所述故障发生限定值的幅度进行分级;
若否,则获取汽轮发电机组的所述运行参数和所述振动数据。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明提供一种汽轮发电机组故障诊断方法,包括:获取汽轮发电机组的运行参数和振动数据;根据所述运行参数和所述振动数据,得到汽轮发电机组全工况的基准振动矢量;获取汽轮发电机组全工况的实时振动矢量;将所述实时振动矢量与基准振动矢量进行比较,得到振动矢量差值;根据所述振动矢量差值对所述汽轮发电机组进行故障判断。采用本发明的方法能够及时的判断故障发生,减少机组发生严重事故的风险。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例汽轮发电机组故障可视化诊断方法流程图;
图2为本发明实施例汽轮发电机组故障可视化诊断系统结构图;
图3为本发明实施例H工况M测点历史频谱图;
图4为本发明实施例H工况M测点基准频谱图;
图5为本发明实施例H工况M测点实时频谱图;
图6为本发明实施例机组振动异动综合诊断逻辑图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种汽轮发电机组故障可视化诊断方法及系统,能够精确判断故障严重程度,减少机组发生严重事故的风险。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
近十余年,发电设备设计、制造、安装、调试技术取得了较大进步,发电机组自动化、可靠性、经济性水平有了明显提高。伴随电力市场竞争日趋激烈,当前及今后一段时期机组利用率将持续低迷,机组灵活性深度调整成为一种常态。为更好地适应发电企业内部因素、外部条件的变化,优化机组的调控水平,努力提升机组竞争能力,通过有效的技术手段对发电机组进行状态监测、故障诊断和风险预警势在必行。
当前,主辅机设备的设计效率已达较高水平,提高电力生产的智能化管控水平成为进一步挖掘发电机组节能降耗潜力的主要途径。优化现有系统配置,发展状态监测,目的都是为了充分挖掘与发挥优化电力生产方式所带来的效益,利用数据统计分析、专家系统等技术使机组在不同条件下均能保持安全、高效运行。
实施例1:
图1为本发明实施例汽轮发电机组故障可视化诊断方法流程图。如图1所示,一种汽轮发电机组故障诊断方法,包括:
步骤101:获取汽轮发电机组的运行参数和振动数据,具体包括:
从SIS系统实时数据库中获取汽轮发电机组的运行参数;
从BCT101系统数据库中获取汽轮发电机组的振动数据。
步骤102:根据所述运行参数和所述振动数据,得到汽轮发电机组全工况的基准振动矢量。
步骤103:获取汽轮发电机组全工况的实时振动矢量。
步骤104:将所述实时振动矢量与基准振动矢量进行比较,得到振动矢量差值。
步骤105:根据所述振动矢量差值对所述汽轮发电机组进行故障判断,具体包括:
获取故障发生限定值;
判断所述振动矢量差值是否大于所述故障发生限定值;
若是,则输出故障,所述故障的严重程度根据大于所述故障发生限定值的幅度进行分级;
若否,则获取汽轮发电机组的所述运行参数和所述振动数据。
实施例2:
图2为本发明实施例汽轮发电机组故障可视化诊断系统结构图。如图2所示,一种汽轮发电机组故障诊断系统,包括:
获取模块201,用于获取汽轮发电机组的运行参数和振动数据;
基准振动矢量确定模块202,用于根据所述运行参数和所述振动数据,得到汽轮发电机组全工况的基准振动矢量;
实时振动矢量获取模块203,用于获取汽轮发电机组全工况的实时振动矢量;
振动矢量差值确定模块204,用于将所述实时振动矢量与基准振动矢量进行比较,得到振动矢量差值;
故障判断模块205,用于根据所述振动矢量差值对所述汽轮发电机组进行故障判断。
所述获取模块201,具体包括:
运行参数获取单元,用于从SIS系统实时数据库中获取汽轮发电机组的运行参数;
振动数据获取单元,用于从BCT101系统数据库中获取汽轮发电机组的振动数据。
所述故障判断模块205,具体包括:
故障发生限定值获取单元,用于获取故障发生限定值;
判断单元,用于判断所述振动矢量差值是否大于所述故障发生限定值;
故障输出单元,用于若所述振动矢量差值大于所述故障发生限定值,输出故障,所述故障的严重程度根据大于所述故障发生限定值的幅度进行分级;
若否,则获取汽轮发电机组的所述运行参数和所述振动数据。
实施例3:
一种汽轮机故障诊断装置,所述故障诊断装置包括:
SIS系统实时数据存储系统、BCT101系统数据存储系统、通信系统、服务器和用户输出端;所述服务器包括实施例2的汽轮发电机组故障诊断系统;
SIS系统实时数据存储系统通过通信系统与服务器连接,SIS系统实时数据存储系统用于存储SIS系统实时数据库;
BCT101系统数据存储系统通过通信系统与服务器连接,BCT101系统数据存储系统用于存储BCT101系统数据库;
服务器与用户输出端连接,服务器用于采用故障诊断系统通过通信系统从SIS系统实时数据存储系统中获取汽轮发电机组的运行参数,从BCT101系统数据存储系统获取汽轮发电机组的振动数据,根据运行参数和振动数据确定诊断结果,并将诊断结果输出给用户输出端;
用户输出端用于将诊断结果展示给用户。
本发明主要用于对大型汽轮发电机组发生故障等问题进行量化诊断和预报,为运行人员提供足够的反应时间,并提供故障排除的相关建议措施。该系统逐一提取各个因素、各个环节参数、初期特征,初期发生的判据,当判据充分时则发出报警。通过SIS系统实时数据库与B/S版BCT101系统数据库数据通讯对接,将对象层的汽轮发电机组各类运行参数和振动数据,引入到参数分析系统,转换为计算机语言,通过特征分离提取振动频谱各分量幅值和相位,获取实时振动矢量与该测点的基准振动矢量进行动态差值计算,若差值大于故障发生限定值条件,则输出故障报警信号通知运行人员,提醒企业第一时间会诊机组故障原因,采取针对性措施防止事故扩大化。
将汽轮发电机组负荷、转速、真空和对应转轴振动变化特征作为输入,通过历史数据统计分析,计算得出各测点振动频谱分量基准值,获取实时振动矢量与该测点的基准振动矢量进行动态差值计算,若差值大于故障发生基准值条件,则输出故障报警信号。
在衡量汽轮发电机组状态的各种参数中,振动是包含状态信息最丰富,也是影响机组安全运行的关键因素。一个振动信号是由各种频率的正弦波组成,通过傅里叶变换可以得到各频率分量幅值和相位。在机组状态良好时候,采集和记录机组振动频谱,通过工况与振动综合分析,计算得到机组全工况各测点振动分频率基准值,以后的日常运行过程中,采集到的振动实时频谱,与各测点振动分频率基准值对比。根据不同分频信号变化幅度,与机组故障振动异动限定值对比,差值大于限定值,输出故障报警信号。
图3为本发明实施例H工况M测点历史频谱图;图4为本发明实施例H工况M测点基准频谱图;图5为本发明实施例H工况M测点实时频谱图;图6为本发明实施例机组振动异动综合诊断逻辑图。
图5与图4对比,其中出现0.5X分量,说明机组轴系振动出现异动分量,频率是工作转频的一半,机组运行出现故障特征,根据异动分量幅度,故障严重程度,用对应颜色亮灯,以警示运行人员机组出现危险,需尽快分析处理。
图6中的上边的灰色框中的内容表示汽轮发电机组工艺量参数,数据来源电厂SIS系统。中间灰色框中的内容表示汽轮发电机组振动量参数,数据来源于BCT101系统。下方灰色框中的内容表示计算量,在引擎模块配置计算公式,实时计算振动各频率矢量动态差值。
灵活配置不同测点多种工况下的振动异动诊断逻辑规则,若某一测点的振动矢量差值达到故障发生限定值,则以故障严重程度为基准优先给出故障部位。
输出故障信号在B/S版BCT101系统界面展示,提醒运行人员,并在屏幕上形象的显示出故障部位和目前危害程度,保证工作人员能有足够的时间予以控制。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (6)
1.一种汽轮发电机组故障诊断方法,其特征在于,包括:
获取汽轮发电机组的运行参数和振动数据;
根据所述运行参数和所述振动数据,得到汽轮发电机组全工况的基准振动矢量;
获取汽轮发电机组全工况的实时振动矢量;
将所述实时振动矢量与基准振动矢量进行比较,得到振动矢量差值;
根据所述振动矢量差值对所述汽轮发电机组进行故障判断。
2.根据权利要求1所述的汽轮发电机组故障诊断方法,其特征在于,所述获取汽轮发电机组的运行参数和振动数据,具体包括:
从SIS系统实时数据库中获取汽轮发电机组的运行参数;
从BCT101系统数据库中获取汽轮发电机组的振动数据。
3.根据权利要求1所述的汽轮发电机组故障诊断方法,其特征在于,所述根据所述振动矢量差值对所述汽轮发电机组进行故障判断,具体包括:
获取故障发生限定值;
判断所述振动矢量差值是否大于所述故障发生限定值;
若是,则输出故障,所述故障的严重程度根据大于所述故障发生限定值的幅度进行分级;
若否,则获取汽轮发电机组的所述运行参数和所述振动数据。
4.一种汽轮发电机组故障诊断系统,其特征在于,包括:
获取模块,用于获取汽轮发电机组的运行参数和振动数据;
基准振动矢量确定模块,用于根据所述运行参数和所述振动数据,得到汽轮发电机组全工况的基准振动矢量;
实时振动矢量获取模块,用于获取汽轮发电机组全工况的实时振动矢量;
振动矢量差值确定模块,用于将所述实时振动矢量与基准振动矢量进行比较,得到振动矢量差值;
故障判断模块,用于根据所述振动矢量差值对所述汽轮发电机组进行故障判断。
5.根据权利要求4所述的汽轮发电机组故障诊断系统,其特征在于,所述获取模块,具体包括:
运行参数获取单元,用于从SIS系统实时数据库中获取汽轮发电机组的运行参数;
振动数据获取单元,用于从BCT101系统数据库中获取汽轮发电机组的振动数据。
6.根据权利要求4所述的汽轮发电机组故障诊断系统,其特征在于,所述故障判断模块,具体包括:
故障发生限定值获取单元,用于获取故障发生限定值;
判断单元,用于判断所述振动矢量差值是否大于所述故障发生限定值;
故障输出单元,用于若所述振动矢量差值大于所述故障发生限定值,输出故障,所述故障的严重程度根据大于所述故障发生限定值的幅度进行分级;
若否,则获取汽轮发电机组的所述运行参数和所述振动数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910608014.4A CN110553821A (zh) | 2019-07-08 | 2019-07-08 | 一种汽轮发电机组故障可视化诊断方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910608014.4A CN110553821A (zh) | 2019-07-08 | 2019-07-08 | 一种汽轮发电机组故障可视化诊断方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110553821A true CN110553821A (zh) | 2019-12-10 |
Family
ID=68735826
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910608014.4A Pending CN110553821A (zh) | 2019-07-08 | 2019-07-08 | 一种汽轮发电机组故障可视化诊断方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110553821A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111811819A (zh) * | 2020-06-30 | 2020-10-23 | 佛山科学技术学院 | 一种基于机器学习的轴承故障诊断方法及装置 |
CN112284521A (zh) * | 2020-10-27 | 2021-01-29 | 西安西热节能技术有限公司 | 一种汽轮发电机组振动故障特征的量化及应用方法 |
CN113933707A (zh) * | 2021-10-12 | 2022-01-14 | 哈尔滨电机厂有限责任公司 | 一种发电机组故障原因判定可信度的自调节方法 |
CN116950729A (zh) * | 2023-09-19 | 2023-10-27 | 华能山东发电有限公司烟台发电厂 | 一种汽轮机叶片故障检测方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS601307A (ja) * | 1983-06-16 | 1985-01-07 | Toshiba Corp | 蒸気タ−ビン制御系の異常診断方法 |
CN101430247A (zh) * | 2008-11-28 | 2009-05-13 | 华北电力大学 | 汽轮发电机组随机振动故障实时诊断方法 |
CN102086784A (zh) * | 2010-12-16 | 2011-06-08 | 浙江大学 | 大型汽轮发电机组分布式远程振动监测与故障诊断系统 |
CN102288283A (zh) * | 2011-05-13 | 2011-12-21 | 北京必可测科技有限公司 | 汽轮发电机组振动故障的监测方法及装置 |
US20120239315A1 (en) * | 2011-03-18 | 2012-09-20 | General Electric Company | Valve fault test system |
CN105841966A (zh) * | 2016-04-06 | 2016-08-10 | 西安西热振动研究所有限公司 | 一种基于正向推理的汽轮发电机组振动故障诊断方法 |
CN107036819A (zh) * | 2017-05-02 | 2017-08-11 | 大唐东北电力试验研究所有限公司 | 多参数修正的汽轮发电机组远程振动故障诊断方法及系统 |
-
2019
- 2019-07-08 CN CN201910608014.4A patent/CN110553821A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS601307A (ja) * | 1983-06-16 | 1985-01-07 | Toshiba Corp | 蒸気タ−ビン制御系の異常診断方法 |
CN101430247A (zh) * | 2008-11-28 | 2009-05-13 | 华北电力大学 | 汽轮发电机组随机振动故障实时诊断方法 |
CN102086784A (zh) * | 2010-12-16 | 2011-06-08 | 浙江大学 | 大型汽轮发电机组分布式远程振动监测与故障诊断系统 |
US20120239315A1 (en) * | 2011-03-18 | 2012-09-20 | General Electric Company | Valve fault test system |
CN102288283A (zh) * | 2011-05-13 | 2011-12-21 | 北京必可测科技有限公司 | 汽轮发电机组振动故障的监测方法及装置 |
CN105841966A (zh) * | 2016-04-06 | 2016-08-10 | 西安西热振动研究所有限公司 | 一种基于正向推理的汽轮发电机组振动故障诊断方法 |
CN107036819A (zh) * | 2017-05-02 | 2017-08-11 | 大唐东北电力试验研究所有限公司 | 多参数修正的汽轮发电机组远程振动故障诊断方法及系统 |
Non-Patent Citations (2)
Title |
---|
张会生 等: "《燃气轮机可靠性维护理论及应用》", 30 September 2016 * |
王平波 等: "汽轮机防进水在线监测与故障智能预警系统", 《电力设备管理》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111811819A (zh) * | 2020-06-30 | 2020-10-23 | 佛山科学技术学院 | 一种基于机器学习的轴承故障诊断方法及装置 |
CN112284521A (zh) * | 2020-10-27 | 2021-01-29 | 西安西热节能技术有限公司 | 一种汽轮发电机组振动故障特征的量化及应用方法 |
CN112284521B (zh) * | 2020-10-27 | 2023-04-07 | 西安西热节能技术有限公司 | 一种汽轮发电机组振动故障特征的量化及应用方法 |
CN113933707A (zh) * | 2021-10-12 | 2022-01-14 | 哈尔滨电机厂有限责任公司 | 一种发电机组故障原因判定可信度的自调节方法 |
CN113933707B (zh) * | 2021-10-12 | 2023-09-19 | 哈尔滨电机厂有限责任公司 | 一种发电机组故障原因判定可信度的自调节方法 |
CN116950729A (zh) * | 2023-09-19 | 2023-10-27 | 华能山东发电有限公司烟台发电厂 | 一种汽轮机叶片故障检测方法及系统 |
CN116950729B (zh) * | 2023-09-19 | 2024-02-27 | 华能山东发电有限公司烟台发电厂 | 一种汽轮机叶片故障检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110553821A (zh) | 一种汽轮发电机组故障可视化诊断方法及系统 | |
CN101555806B (zh) | 发电厂生产实时参数分类报警和识别辅助方法 | |
CN110766277B (zh) | 用于核工业现场的健康评估及诊断系统和移动终端 | |
CN103711645B (zh) | 基于建模参数特征分析的风力发电机组状态评估方法 | |
CN107991525B (zh) | 一种绿色产业园区供用电能效监测与故障责任识别方法及系统 | |
CN202710100U (zh) | 风力发电机组远程在线健康状态监测与故障诊断系统 | |
CN104503399A (zh) | 一种集团级风电机组状态监测及故障诊断平台 | |
CN108627720B (zh) | 一种基于贝叶斯算法的电力设备状态监测方法 | |
CN202326011U (zh) | 一种风电机组的状态监测与故障诊断系统 | |
CN110782190A (zh) | 基于泛在电力物联网技术的调相机远程诊断系统 | |
CN115034483A (zh) | 一种水轮发电机组运行故障监测方法及系统 | |
Cui et al. | An anomaly detection approach using wavelet transform and artificial neural networks for condition monitoring of wind turbines' gearboxes | |
Koltsidopoulos Papatzimos et al. | Offshore wind turbine fault alarm prediction | |
CN105134456A (zh) | 基于在线监测的水轮机故障预诊断方法 | |
CN112541563A (zh) | 基于边缘计算技术的旋转设备振动预测管理系统 | |
CN111486043A (zh) | 一种基于水轮发电机组振摆数据的下机架故障诊断方法 | |
CN110907031A (zh) | 基于数据统计分析的调相机振动异动可视化监测方法 | |
CN111894798B (zh) | 一种风机运行状态确定方法及系统 | |
CN108491622A (zh) | 一种风电机组的故障诊断方法及系统 | |
CN116110203A (zh) | 一种基于智能监测技术的天然气发电预警管理方法及系统 | |
Fan et al. | Research on online monitoring and diagnosis system for key equipment health status in intelligent manufacturing of metallurgical enterprises | |
CN214698150U (zh) | 一种水轮发电机组状态监测与故障诊断系统 | |
Song et al. | Framework of designing an adaptive and multi-regime prognostics and health management for wind turbine reliability and efficiency improvement | |
CN111539642B (zh) | 一种基于面向对象的电厂数据采集处理系统及其方法 | |
CN113408888A (zh) | 一种基于云平台的水工金属结构设备智能化监控系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191210 |